人工知能・ロボティクスの方向性と課題

國吉康夫東京大学大学院 情報理工学系研究科

知能機械情報学専攻

2010-2015の進歩画像中の物体認識＜機械学習・ニューラルネット＞

2

0

5

10

15

20

25

2010 2011 2012 2013 2014 2015

ILSVRC 1/errorILSVRC2015Human(trained) rate 5.1%2015/3 Google 4.82% 2015/5 Baidu 4.58% （不正・失格：試行上限回数大幅超過：30アカウント，2014/11/28-2015/5/28に200回 ≫ 週2回制限．）

ILSVRC ClassificationYear Team Error 1/Error

2010 NEC-UIUC 0.2819 3.54722011 XRCE 0.2577 3.88052012 SuperVision 0.1532 6.52952013 Clarifai 0.1174 8.51572014 GoogLeNet 0.0666 15.02402015 GoogLeNet 0.0482 20.7469

2015X Baidu 0.0458 21.8341

Google DeepMindAlphaGo beat Lee Sedol (9 dan)

3

• US$1M prize.• 5-Match score: AlphaGo 4 - Lee Sedol 1.Silver, D. et al.(2016) “Mastering the game of Go with deep neural networks and tree search”, Nature, 529:484-489.• Deep Neural Nets (Policy/Value) • Monte Carlo Tree Search• Reinforcement Learning• Training data: Experts + Self play

• 既存手法の重要部品をDLで置き換え• 古典的人工知能の大黒柱「探索」をDLと融合：重要！

ゲーム人工知能の進歩

• 1997 Deep Blue vs. Kasparov: チェス 10120

• 2013 将棋ソフトチーム vs. プロ棋士チーム：将棋 10220

• 2015 AlphaGo vs. Fan Hui (欧州トップ）：囲碁 10360

4

0

50

100

150

200

250

300

350

400

1995 2000 2005 2010 2015 2020

指数関数的進歩

• 集積回路のトランジスタ数は1年半ごとに２倍になる（ムーアの法則）– 小型化⇒高速化

• テクノロジーと進化は指数関数的に進む（収穫加速の法則：レイ・カーツワイル）– 正確には，シグモイド

の合成：ある技術が頭打ちになるとブレークスルーが起こり次の技術が伸びる．

5

AI動向：深層学習は汎用部品に，AIが本来できるはずのことを可能に．

6

深層学習⇔認識，探索，動作

ビッグデータ，知識・推論・自然言語(Ex. Watson)

IoT, Industrie 4, 自動運転, ロボット ⇒ 社会

逆に言うと，従来のAIの枠組みの範囲内

(1) 各分野でのビッグデータの集積、センサーの量的・質的拡大（IoT: Internet of Things）。(2) 人工知能の50年来の大きな技術的ブレークスルー（自ら特徴を捉え進化する人工知能を視野）。(3) ３省連携による研究開発成果を関係省庁にも提供し、政府全体として更なる新産業・イノベーション創出や

国際競争力強化を牽引。

次世代の人工知能技術の研究開発における３省連携体制

総務省・文部科学省・経済産業省

…

経済産業省（例）

○応用研究、実用化・社会への適用

○標準的評価手法等の共通基盤技術の

整備

○標準化

○大規模目的研究 …

文部科学省（例）

○基礎研究

○革新的な科学技術成果の創出

○次世代の萌芽的な基盤技術の創出

○大型計算機資源、人材育成 …

卓越した科学技術研究を

活用するためのプラット

フォームの構築

センシング技術研究

デバイス技術研究

コンピュータ・ストレージ技術

ロボット工学

データ工学

ネットワーク技術研究

基礎研究を社会実装につ

なげるセンター

セキュリティ技術研究

AIを核としたIoTの社会・ビジネスへ

の実装に向けた研究開発・実証

コミュニケーション

技術 総務省（例）

○脳情報通信

○音声認識、多言語音声翻訳

○社会知解析

○革新的ネットワーク …

情報通信

研究機構

情報通信 農林漁業医療・介護インフラ・運輸

製造業・サービスエネルギー 学習科学技術

○計算機資源・ソフトウェアモ

ジュール、ネットワーク基盤、

研究開発成果等のリアルタイム

での共有、他省庁への提供

○３省合同での事

業推進委員会を設

置し、一体的に事

業を推進。

○３省合同のシンポジウムを開催。

○合同ポータルサイトを設置。

○研究開発戦略・進捗状況について

３省で一体的に情報発信。

AI駆動経済・社会システム基盤研究開発事業(仮)

情報通信技術の統

合的なプラット

フォームの構築

産業技術

総合研究所

理化学

研究所

…

…

7

2016/2/27 日経夕刊1面報道

8

Future Vision

Real World, Society

Human Mind

どこへ向かっているか？

9

人の心に働きかける人工知能・ロボット

• jibo / pepper.• IBM Watson User Modelling / Tone analyzer.• カメラ画像から人の生理的・心的状態推定．cf. Wu et al.: Eulerian Video Magnification for Revealing Subtle Changes in the World, SIGGRAPH2012. http://people.csail.mit.edu/mrub/vidmag/McDuff, D. et al.: Remote Measurement of Cognitive Stress Via Heart Rate Variability, Ann. Int. Conf. IEEE Eng. in Med. and Biol. Soc. (EMBC), 2014.• その他，行為認識，感情認識などの研究はどんどん進んでいる．Wang, P. et al: Deep Convolutional Neural Networks for Action Recognition Using Depth Map Sequences, arXiv:1501.04686 [cs.CV] 20 Jan 2015.Kahou, S.E. …Bengio,Y.:EmoNets: Multimodal deep learning approaches for emotionrecognition in video, arXiv:1503.01800v2 [cs.LG] 30 Mar 2015.Goroshin, R. … LeCun, Y.: Unsupervised Feature Learning from Temporal Data, arXiv:1504.02518v2 [cs.CV] 15 Apr 2015.Liu, C. et al:Learning motion and content-dependent features with convolutions for action recognition, Multimed Tools Appl, online, 29 Mar 2015.

10

情報系複合領域の未来イメージ

中央に人間が位置し，全体の半円の背景は地球であり，人間社会の環境を表す．これは，技術は人間のための，人間に係るもので，かつ，環境と調和すべきものであることを表す．人間を取りまく半円周上には，未来技術が達成するものの三つの方向性（自律システム知，社会システム知，人間の拡大）が記されている．各イメージイラストには，その実現に向けた重要研究課題が付記されている．人間の解明・モデル化に係る課題や共通基盤的課題は中央付近に記されている．半円の外側には，宇宙のイメージが描かれている．ロボット分野の未来技術により，人間社会の存在領域は今日の範囲よりはるかに多様なフロンティアに進出し，広大な活動範囲を有することを象徴している．

國吉康夫，沼尾雅之「情報系複合領域アカデミック・ロードマップ」，日本ロボット学会誌，vol.26, no.7, 2008.

11

三つの重要課題

• 情報・物理・人間の融合：– ソフトウェア，ハードウェア，物理学，情報理論，の融合⇒プログラ

ミング，制御，知能の限界超える．– システムの意思決定や行動の基盤となる，情報の価値や意味のため，

人間がシステムと密に結合し情報評価，または自律システムに人間的な情報評価系を埋め込む．

• 情報の意味・重要性認識・評価・選択能力：– 量子計算等，超大規模計算，膨大な選択肢を全て計算．– 膨大な結果を瞬時に評価し選択する能力がなければ，意味がない．– また，これら計算結果を解釈し，実世界事象と適切に関連づけること

が不可欠．

• 言葉と身体・生理のネットワーク：– 記述＋処理からの脱却．言語と実世界との常時相互作用．コツ，ふと

思いつく．

國吉康夫，沼尾雅之「情報系複合領域アカデミック・ロードマップ」，日本ロボット学会誌，vol.26, no.7, 2008.

12

情報，物理，人間の融合←身体性パラダイムシフトが必要

13

The Didabot experiment

arena with Styrofoam cubesExperiment by René te Boekhorst and Marinus Maris

“Didabot”:simple robot for didactical

purposes

Courtesy of Dr. Rolf Pfeifer, Prof. em. U.Zurich (Slides from AI Lectures from Tokyo)

14

Didabot experiment – overview 15

Courtesy of Dr. Rolf Pfeifer, Prof. em. U.Zurich (Slides from AI Lectures from Tokyo)

Didabots: Internal Structure & Behavior

sR

rR

sL

-gLR

rL＋

＋c

-gRL

sR

rR

sL

-gLR

rL＋

＋c

-gRL

sR

rR

sL

-gLR

rL＋

＋c-gRL

(a) (b) (c)

知的行動は，脳神経系だけでは決まらない．

16

身体性

Embodiment: Information Self-Structuring

• “Through physical interactions with the environment, information structure is actively induced in sensory inputs.”

• Geometry, Kinematics, Dynamics (+Physiology, Social, Cultural…)

Pfeifer, R., Lungarella, M., Sporns, O. & Kuniyoshi, Y. (2007) : On the information theoretic implications of embodiment - principles and methods, In 50 years of Artificial Intelligence, M. Lungarella et al. (Eds.). Lecture Notes In Computer Science, 4850: 76-86, Springer-Verlag.

IoT: センサデータを正しく解釈できるか？まわりの状況や物理過程と合わせないと無理．対象とやりとりしないと十分な情報が得られないこともある．

行動・情報は，主体と環境の相互作用から生み出される

• 神経系⇔身体⇔環境 の相互作用から行動・情報が発生する．• 身体性：その相互作用を（有意味に）制約し，構造化するもの．

身体ダイナミクス

センサ モータ

身体

行動体

環境

情報機構

環境ダイナミクス

学習情動意識適応

自己知覚

浅田稔，國吉康夫：ロボットインテリジェンス，岩波講座ロボット学，岩波書店，2006.(1章）

18

実世界インタラクション知能の構造と従来のAIの限界

Deep learningの問題点：数理基盤未確立，経験則依存，課題特異的．相互作用ダイナミクス扱えない．実世界の情報文脈（身体性）を考慮しない．

19

・・・入力

出力

・・

・ｚ

実世界

従来のパターン認識，機械学習の構図．一方向的．静的表象．完全情報仮定．実世界知能に不向き．

動的実世界知能の構図．継続相互作用ループとそれに直交する階層．動的表象．部分情報仮定．外部ループ活用．

身体性情報学とIoT

• IoT: センサデータを正しく解釈できるか？– アクションを起こすときはさらに．

• まわりの状況や物理過程・状態の知識と合わせないと無理．

• 実世界では，事前想定外のことも．• やりとりをしないと十分な情報が引き出せない．

• ⇒センサデータ「以外」の「情報」をどう活用，統合するか．やりとりをどう生成するか．

20

Big Brain Project/BRAIN Initiative

Dynamic understanding of human brain function.2014:$1.1億，2015:$2億，2016:$3億…～2025:計$40～50億?

IBM “True North” Neuro Chip:スパイキングニューロン54億トランジスタ，4096 コア100万ニューロン，2.56億シナプス400x240画素30Hz複数物体検出・識別=63mW

Merolla, P.A. et al.(2014): A million spiking-neuron integrated circuit with a scalable communication network and interface, Science 345:668-673.

21

The 2nd Workshp on Bio-inspired Energy-Efficient Information Systems (2016, U. Tokyo)

• IBM – 東大• 超高性能コンピューティング

– ニューラルネット、超低消費電力・超並列• Machine Intelligence (Machine Learningを超える）

– 受動から能動へ、予測し行動する知能、ロボット。

The Human Brain Project HBP

• The Human Brain Project HBP will befunded by the European Commissionover the next 10 years

• HBP-Coordinator is currently EPFL(Lausanne, Switzerland) with twelvesubproject coordinators

• The total budget is planned to be1 billion EUR, making HBP “one of the biggest scientific quests in the world.”1

• It will involve over– 20 European countries (+ USA, Japan,

China, Israel, Canada)– 80 Institutions– 150 principal investigators (core

research groups)– 2000 PhDs

• HBP is an open project and will allownew contributing partners to work withthe core consortium

• HBP started 1 October 2013

https://www.humanbrainproject.eu/documents/10180/17648/TheHBPReport_LR.pdf

1http://www.telegraph.co.uk/science/9886455/Mind-of-its-own-building-a-human-brain.html

Courtesy of Prof. Alois Knoll @TUM (Technical Univ. of Munich, Germany)

23

10年間、 10億ユーロ

Creating a mouse body/brain simulation

200.000 neuron mouse brain model

Courtesy of Prof. Alois Knoll @TUM 24

筋骨格モデル

【身体】骨格，筋(198本），体性感覚，触覚【子宮】子宮壁：非線形バネ・ダンパモデル，羊水：浮力，流体抵抗【脳神経系】脊髄，延髄，1次体性感覚野・運動野

OSC(CPG)

脊髄内回路

延髄振動子系

皮質自己組織化

胎児シミュレーションモデル：知能発生基盤？子宮モデル

25

Kuniyoshi & Sangawa 06～

Y.Tsukahara

Large-scale cortex simulation based on neonate MR brain analysis S. Iwasaki, Y. Yamada, Y.Tsukahara, O. Iwata,

Y. Kuniyoshi 2015

DTI data by O. Iwata at Kurume Univ.17 Neonates 90 brain areas

Neuron & Plasticity model

LIF with conductance model[Destexhe et al., 01; Song et al., 00]

Spike-timing dependent plasticity

26

全脳シミュレーション

t=40 mst=0 ms

二つのシミュレーションで異なるスパイク

発火が対数正規分布低発火率（~1 Hz）

興奮性抑制性の均衡

S. Iwasaki, Y. Yamada, Y.Tsukahara, O. Iwata, Y. Kuniyoshi 2015

27

胎児発達の構成論的研究身体・環境相互作用⇒知能創発

28ヒト胎児の4D超音波画像 胎児シミュレーション：運動，感覚，脳

Noby, The Baby RobotInteracts with Humans in the Real World

Kuniyoshi, Ohmura, Nakamura, Yamada, Kozuma, Nagakubo 2010

29

意識・情動の情報理論

• 統合情報理論：意識の仕組みにむけて：「意識を生み出す基盤は，おびただしい数の異なる状態を区別できる，統合された存在である．つまり，ある身体システムが情報を統合できるなら，そのシステムには意識がある．」(M. マッスィミーニ，G. トノーニ：意識はいつ生まれるのか，亜紀書房，p.126, 2015.)

Oizumi, M., Albantakis, L., Tononi, G. (2014): From the Phenomenology to the Mechanisms of Consciousness: Integrated Information Theory 3.0, PLOS Comp. Biol., 10(5), e1003588.

• 情動，内受容感覚，自己の予測符号化理論：Predictive Coding Emotion, Self

←Deep learning, Multi-modal, Dynamics, Active inference, Attention→Emotion, Embodiment, Action→ Empathy, sympathy.

Seth, A.K. (2013): Interoceptive inference, emotion, and the embodied self, Trends Cogn Sci., 17(11):565-73.

30

将来ビジョン

31

情報系複合領域の未来イメージ

中央に人間が位置し，全体の半円の背景は地球であり，人間社会の環境を表す．これは，技術は人間のための，人間に係るもので，かつ，環境と調和すべきものであることを表す．人間を取りまく半円周上には，未来技術が達成するものの三つの方向性（自律システム知，社会システム知，人間の拡大）が記されている．各イメージイラストには，その実現に向けた重要研究課題が付記されている．人間の解明・モデル化に係る課題や共通基盤的課題は中央付近に記されている．半円の外側には，宇宙のイメージが描かれている．ロボット分野の未来技術により，人間社会の存在領域は今日の範囲よりはるかに多様なフロンティアに進出し，広大な活動範囲を有することを象徴している．

國吉康夫，沼尾雅之「情報系複合領域アカデミック・ロードマップ」，日本ロボット学会誌，vol.26, no.7, 2008.

32

～30年後の世界

• 全地球ネットワーク＋IoT・ロボット＋人間（ネット接続）でリアルタイム情報共有，巨大な計算パワー・AIに接続，物理世界と情報・知能と人間が融合．

• 人類と世界の情報を総合した，生物的「社会システム知」進化．

• 社会の至るところにロボットが浸透し人間生活を支える．災害，テロ等の危機は，社会システム知が常時予測しロボットやインフラ制御を駆使して未然に対処．

• 各個人の状況，感情，希望，価値観，等を社会システム知やロボットが理解し，

• 世界中どこでも状況に即した個人適合サービスを提供．• チームを集め事業を発足，経営（エンタープライズ知能）．• 相手に価値の高いモノ，コトを提供し金銭価値以上の効果．

• 市民の状況，ニーズ，困りごとを細やかにすり合わせ解決し全体最適化．

國吉康夫，沼尾雅之「情報系複合領域アカデミック・ロードマップ」，日本ロボット学会誌，vol.26, no.7, 2008.に加筆修正

33

～30年後の世界

• 「察する」「思いやり」「きめ細やか」「擦り合わせ」（日本的）– 個別状況間の関係を全て考慮し調整，やりとり．– 極めて多様な価値を認め具現化．– 実世界情報＋シミュレーション，予測＋全構成員の

状況・意思を統合した社会意思決定• マスの時代の終わり，中間業の廃止（商業で既に）• 個－全体の新たな（対等・双方向）関係，個の価値．• 資本主義の進化

– 金銭価値以外の多様な価値で多対多直接結合．• 民主主義の進化

– 多数決以外の賢い意見統合，意思決定の方法．

34

Makers movement

まとめ

• AIの進歩，激しく加速．• 深層学習は単体では無意味，既存AI技術・IT，ビッグ

データ，IoT・ロボット技術，…と合体して格段の性能向上．

• 今のところ，古典的AIの枠組みの範囲内．• 今後（今）の方向性：実世界，と，人間（の心）：動

的実世界知能＆人間型人工知能．• パラダイムシフト：相互作用，身体性，創発，脳・認

知発達．• 日本の強みを活かせる流れ：ものづくり，気配り．• 社会・経済の新たな駆動原理となり，あり方を変える

可能性．• これらを先導する人材が非常に少ない．

35